基于深度特征密度聚类算法的视觉模式挖掘研究

摘要

为提高图像的分类精度和对视觉模式进行有效挖掘，对深度特征密度聚类算法（DNN-FDC算法）进行了改进，提出了一种基于频繁性和判别性的特征密度聚类算法（DNN-JFDC算法）.该算法通过注意力机制对目标图像中最具判别性的区域进行定位，采用分类任务对具有判别性的目标图像进行定位，并利用图像的多尺度特征信息与底层特征信息，提高图像识别精度.研究表明：DNN-FDC算法的分类精度为0.994，而DNN-JFDC算法的分类精度和F1分数（均为0.997）比DNN-FDC算法的分类精度和F1分数分别高14.43%和8.22%.这表明，DNN-JFDC算法具有较高的分类精度，可有效挖掘良好的视觉模式.研究结果可为同类问题的解决提供借鉴与参考.

关键词

密度聚类算法 / 图像处理 / 视觉模式 / 频率 / 可辨性